輔助駕駛中基于單幅圖像的復(fù)雜道路場(chǎng)景分類方法研究.pdf

1、對(duì)道路場(chǎng)景圖像進(jìn)行有效的語(yǔ)義解析和分類，有助于提高輔助駕駛系統(tǒng)的魯棒性，并且能夠保證在獲取足夠語(yǔ)義信息的前提下，減少系統(tǒng)存儲(chǔ)量，降低計(jì)算復(fù)雜度。本文針對(duì)輔助駕駛中基于單幅的復(fù)雜道路場(chǎng)景圖像分類的方法進(jìn)行了深入的研究，具體研究?jī)?nèi)容包括以下幾方面：
　　首先，構(gòu)建融合特征圖像描述方法。本文提出了一種基于多特征融合復(fù)雜道路場(chǎng)景分類方法，其核心思想是多特征融合加權(quán)融合并級(jí)聯(lián)分類。該方法提取圖像全局特征、梯度直方圖特征和改進(jìn)的顏色直方圖特征

2、，并對(duì)特征進(jìn)行主成分分析融合，得到低維融合子空間特征。最終將特征提取結(jié)果送入分類器中進(jìn)行訓(xùn)練和預(yù)測(cè)。
　　其次，卷積神經(jīng)網(wǎng)絡(luò)特征優(yōu)化。本文提出一種基于深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練的道路場(chǎng)景分類方法。首先針對(duì)樣本圖像構(gòu)建響應(yīng)的深層網(wǎng)絡(luò)模型并進(jìn)行訓(xùn)練，得到適用于道路場(chǎng)景圖像特征提取的深度學(xué)習(xí)模型，然后將樣本圖像送入模型中進(jìn)行層層映射，得到圖像語(yǔ)義的深層特征描述，最后結(jié)合支持向量機(jī)等高性能分類器，對(duì)特征提取結(jié)果進(jìn)行分類。
　　最后

3、，構(gòu)建道路圖像場(chǎng)景數(shù)據(jù)庫(kù)。針對(duì)目前道路場(chǎng)景分類圖像庫(kù)中道路類型種類數(shù)及其在智能交通中的應(yīng)用性，構(gòu)建了包含雪地、鄉(xiāng)村、街景、高速公路、荒漠和隧道6類常見(jiàn)的道路場(chǎng)景數(shù)據(jù)庫(kù)，并在此基礎(chǔ)上進(jìn)行實(shí)驗(yàn)。大量的實(shí)驗(yàn)及對(duì)比結(jié)果表明，多特征融合復(fù)雜道路場(chǎng)景分類方法平均正確率可達(dá)91％;基于深度學(xué)習(xí)預(yù)訓(xùn)練的多特征融合復(fù)雜道路場(chǎng)景分類方法平均正確率可達(dá)91.27%，相對(duì)于經(jīng)典的道路場(chǎng)景分類方法在正確率、算法魯棒性方面都有一定提高，印證了本文所提出算法的有效性